Microsoft a ouvert le téléchargement d’Aion 1.0 Instruct, un modèle de texte d’environ 2,29 milliards de paramètres. Son dépôt principal, créé le 18 novembre, contient un fichier de poids non quantifiés d’environ 4,58 Go sous licence MIT. Un paquet ONNX WebGPU distinct, d’environ 1,3 Go, stocke les poids avec une précision réduite. Les développeurs peuvent essayer les deux sur des appareils compatibles. Microsoft prévoit de faire passer à Aion les appareils Windows Insider concernés à partir de décembre et vise une diffusion plus large sur les versions grand public à la fin de janvier 2027. Fiche du modèle Microsoft · Version WebGPU · Calendrier pour Windows

L’intérêt pratique est qu’une application peut traiter du texte sans adresser chaque demande à un service distant. Cela concerne une liseuse qui reformule un passage, un outil de recherche qui relève les titres de notes ou un lecteur de documents qui doit répondre hors connexion. La difficulté se déplace vers l’application. Le modèle doit tenir sur la machine, convenir à la tâche et se comporter de façon assez stable entre appareils. Les poids permettent de commencer avec une fonction de texte bien définie. Leur taille et leur licence disent peu de la qualité du résultat sur le prochain document d’un utilisateur.

Trois façons de rencontrer Aion#

Le téléchargement principal s’adresse aux développeurs qui choisissent leur environnement d’exécution. Il comprend les poids, le tokenizer, le code du modèle et un gabarit de conversation. Microsoft indique environ 2,29 milliards de paramètres au format bfloat16, qui occupe deux octets par paramètre avant les frais d’encapsulation. Le fichier d’environ 4,58 Go correspond à cet ordre de grandeur. Quand la machine charge les poids, le moteur d’exécution et les tenseurs qui traitent l’entrée et génèrent le texte occupent aussi de la mémoire. La taille du fichier renseigne sur le téléchargement. La mémoire nécessaire dépend du moteur, du contexte et du partage des ressources avec les autres programmes. Fichiers du dépôt Aion

La version WebGPU présente différemment un modèle de la même famille. La fiche indique des poids sur quatre bits, ainsi que des activations et un cache de génération en demi-précision. Le graphe ONNX et les données de poids séparées occupent environ 1,3 Go, environ 28 % de la taille du fichier de poids bfloat16 en unités décimales. Le gain compte pour une application qui doit faire télécharger le modèle. Il faut encore un appareil et un moteur compatibles, et le poids du fichier ne couvre pas toute la mémoire de travail. Microsoft vise les usages WebGPU natifs et dans le navigateur avec une version compatible d’ONNX Runtime. Détails du modèle ONNX WebGPU

Diagramme stylisé montrant une grande pile de modèle non quantifié à côté d’un petit modèle 4 bits dans une fenêtre de navigateur.

L’édition Windows constitue une troisième voie. Microsoft décrit une version encore optimisée, livrée avec un modèle local de modération. Aion remplacera Phi Silica dans les expériences Windows AI compatibles. Dans une note du 13 novembre, l’entreprise indique le 4 décembre comme début prévu du déploiement Insider et la fin de janvier comme objectif grand public. Elle annonce aussi une prise en charge progressive des GPU compatibles. Pour un développeur Windows, les dates et les machines compatibles sont plus importantes que la mise en ligne du dépôt sur Hugging Face. Un prototype avec les poids ouverts permet de découvrir la famille. Tester la fonction système demande la version et les machines effectivement visées par son déploiement. Calendrier de transition Windows

Ces voies facilitent des décisions différentes. Un projet multiplateforme peut prendre le téléchargement et noter la version des composants. Un développeur Windows peut étudier le cadre en préversion avant la diffusion par le système. Une application web peut évaluer ONNX et prendre en charge la livraison, l’accélération et la mémoire. Toutes utilisent un modèle appelé Aion, mais les conditions peuvent dépendre du navigateur dans un cas et d’une vague de déploiement Windows dans un autre. Un test de compatibilité utile commence par indiquer le fichier et le mode d’exécution. Il permet ensuite de dire si une autre personne sur une autre machine peut attendre un résultat semblable.

Un modèle compact que l’on sent encore passer#

L’utilisateur rencontre le téléchargement avant sa première réponse. À 50 mégabits par seconde en continu, un transfert de 1,3 Go prendrait environ trois minutes et demie, avant le temps de protocole et d’initialisation. C’est un débit hypothétique pour donner une échelle. À la même vitesse, 4,58 Go prendraient plus de douze minutes. L’attente peut être unique si l’application met le paquet en cache. Une personne qui ignore la fonction au premier lancement peut ne jamais découvrir sa rapidité quand tout est prêt. L’installation, le premier chargement et la réponse à chaud méritent des mesures séparées.

Mettre le modèle à disposition ne fournit qu’une partie de l’expérience locale. Sur le Web, l’application doit parfois gérer les interruptions, le stockage disponible et les différentes versions du modèle dans le cache. Les applications natives rencontrent des questions analogues sous d’autres règles du système. Une organisation peut distribuer les fichiers sur son réseau local ou par mise à jour. Chaque choix influe sur les appareils qui peuvent travailler tout de suite et ceux qui doivent recevoir le paquet. ONNX Runtime traite de la taille des fichiers, de la mémoire et des données externes pour les grands modèles web. Un paquet réduit facilite le projet. Le premier lancement doit tout de même représenter fidèlement le transfert et l’initialisation. ONNX Runtime et les grands modèles web

Un appareil compatible effectue plusieurs opérations. Il charge et prépare le modèle, traite l’entrée puis génère le texte par étapes. Un portable avec GPU dédié, une machine qui réserve une partie de sa mémoire système au graphisme et une autre utilisant un fournisseur d’exécution différent peuvent obtenir des résultats très divers. L’exemple en préversion de Microsoft décrit une compilation à froid sur accélérateur neuronal, puis l’utilisation du cache. Ces propriétés concernent ce chemin et ses prérequis. Un essai de vitesse doit consigner la version, l’appareil, le moteur, la longueur de l’entrée, l’arrivée du premier texte et le temps total. Une vitesse obtenue après préchauffage laisse de côté une partie des coûts du quotidien. Exemple Aion de Microsoft

Même sans facturation par demande, l’exécution a un coût. Elle utilise espace disque, mémoire, électricité et une partie de la puissance de l’ordinateur. Sur une station branchée, ces coûts peuvent passer inaperçus. Sur batterie, un long résumé peut se traduire par le bruit du ventilateur, de la chaleur ou moins d’autonomie. Cela incite à choisir des fonctions pour lesquelles la réduction des délais réseau ou l’accès hors connexion importe vraiment. Une évaluation peut suivre la réactivité de l’application pendant le résumé, les interruptions des autres tâches et la fréquence à laquelle le modèle est assez utile pour rester sur la machine.

La taille de l’application et celle du modèle guident donc des choix différents. Un utilitaire de 20 Mo peut proposer un modèle de 1,3 Go à la demande, avec une indication de progression et la possibilité d’utiliser le reste du programme. Une application de recherche spécialisée peut inclure les poids dans le déploiement administré, parce que son responsable sait qu’ils serviront. Les deux peuvent exécuter le même modèle. Ce qui change est la fréquence à laquelle la fonction justifie l’installation, le passage à une version compatible et le comportement lorsqu’il manque de l’espace ou de la mémoire.

La longueur de contexte est un plafond en tokens#

La fiche principale indique un contexte de 32 768 tokens. La version WebGPU fixe par défaut 4 096 tokens en comptant l’entrée et le texte généré. Sa configuration peut être étendue jusqu’au plafond du modèle avec un cache préalloué plus grand. Un flux qui prend un long document doit laisser de la place à ses instructions et à la réponse, et rester dans les limites du moteur. Les tokens sont des fragments d’entrée. Ils ne correspondent pas à un nombre fixe de mots ou de pages. Deux documents d’une même longueur apparente peuvent demander des capacités différentes selon la langue, les tableaux ou la structure. La spécification fixe le maximum et le déploiement décide dans quelle mesure le lecteur peut s’en approcher. Contexte et configuration WebGPU

Imaginons un rapport de douze pages contenant un tableau budgétaire et quatre recommandations assorties d’un avertissement. Le lecteur veut un résumé qui conserve tous les avertissements et les montants associés. L’application peut vérifier que les avertissements sont présents, que les chiffres sont fidèles et que les passages de référence justifient la réponse. Ce test va plus loin que la longueur de l’entrée. Un modèle peut recevoir l’intégralité d’un document et rater un détail au milieu. La conversion du fichier en texte joue aussi. Si un tableau devient une suite de chiffres sans étiquette, l’augmentation du contexte laisse la même ambiguïté au modèle.

Chaque fonction peut exploiter une forme d’entrée différente. Une reformulation demande souvent le passage choisi et un ton. Un compte rendu de réunion doit garder les noms, les décisions et les endroits de la transcription qui permettent de vérifier. Une question sur un manuel long peut être traitée en cherchant quelques passages pertinents et en les rendant visibles au lecteur. Réduire la quantité de texte peut économiser de la mémoire et aider le modèle à se concentrer. Il est utile de distinguer un traitement de l’ensemble du document d’un traitement des passages retrouvés. Une mauvaise sélection de passage et une erreur de génération n’ont pas la même correction, même si le lecteur reçoit dans les deux cas une mauvaise réponse.

La date de fin des connaissances, décembre 2025, compte aussi. À la date de publication, on ne peut s’attendre à ce que le modèle ait appris tous les événements ultérieurs. Un document local peut apporter des faits récents. L’application peut également prévoir une recherche explicite lorsque sa politique de confidentialité le permet. Demander le prix du jour ou une règle récente est une autre tâche que reformuler la règle ouverte à l’écran. Le produit peut indiquer au lecteur sur quel document repose le résultat et afficher le passage. La fluidité se remarque vite. Pour savoir si la réponse s’appuie sur sa source, il faut un test conçu dans ce but. Caractéristiques du modèle et date de fin des connaissances

Ce que les tests publiés permettent de conclure#

Microsoft rapporte 55,15 sur MMLU, 83,90 pour sa moyenne stricte IFEval et 32,00 pour la mesure souple par instruction d’IFBench. Les exercices et les métriques diffèrent. Les résultats orientent les tests possibles, des connaissances générales au respect d’un ensemble de consignes. La fréquence à laquelle une application atteindra son seuil de qualité doit se mesurer à part. Microsoft décrit aussi les limites sur les détails factuels et les raisonnements complexes. Selon la fiche WebGPU, les résultats comparatifs de la version quantifiée restent à publier. L’équipe qui la distribue devrait en regarder les réponses sur les documents qu’elle prévoit de prendre en charge. Évaluations de référence Microsoft · Évaluation de la version WebGPU

Les langues demandent la même attention. Microsoft en indique huit, dont l’anglais, le français et le chinois, et précise que la qualité peut varier. Le russe ne figure pas dans cette liste. Un jeu d’essai de reformulation peut comprendre des messages courants, des termes spécialisés, des noms bilingues et des consignes de ton. Pour un résumé, des tableaux et des noms qui doivent rester reconnaissables sont utiles. Des exemples soigneusement préparés dans une langue laissent parfois de côté la ponctuation réelle, les abréviations et les textes mêlant des langues. Le résultat doit permettre de dire clairement ce que la fonction traite de façon fiable. Langues prises en charge et limites

Comparer les versions quatre bits et non quantifiée demande aussi des conditions précises. La réduction de précision allège le fichier et peut modifier la qualité ou la réponse à une instruction de format sous une même entrée. Le matériel et le moteur font varier la latence indépendamment du résultat. Un essai limité peut utiliser les mêmes entrées, critères d’arrêt et exemples, et comparer séparément le temps avant la première sortie, le pic mémoire et la part de réponses qu’une personne peut utiliser sans les réviser. En reformulation, une omission peut compter plus que le style. En extraction structurée, le format et les faits conservés peuvent primer. Le plus petit paquet utilisable se détermine sur les appareils et les publics visés.

Le téléchargement principal pose aussi une question d’intégration. La fiche décrit une configuration Transformers qui exécute du code contenu dans le dépôt. Télécharger des poids et exécuter du code sont deux opérations. Dans une organisation, il est possible de fixer une révision connue, d’examiner les dépendances et de comparer le paquet avec une voie ONNX prise en charge avant de le diffuser. Cette vérification relève de la chaîne logicielle et de la qualité du produit. Un modèle dit local peut dépendre d’autres téléchargements pendant l’installation. Pour annoncer une fonction hors connexion, il faut vérifier l’exécution complète une fois les composants présents. Environnement du modèle principal

Le lieu du traitement change les responsabilités#

Le gain de confidentialité devient concret si la lecture, le traitement et le résultat restent sur la machine. Le service qui héberge un modèle n’a alors aucune requête à traiter. D’autres fonctions de l’application peuvent toutefois avoir leur propre circulation de données. Un lecteur peut synchroniser le texte, le diagnostic peut recueillir des extraits ou un service hybride peut proposer un modèle distant lorsque l’appareil ne termine pas le calcul. Ces choix déterminent ce qui sort. En cas de mémoire insuffisante, de téléchargement incomplet ou de mauvaise qualité, l’utilisateur doit comprendre la suite. Un mode local bien décrit est utile si l’application peut indiquer le chemin pris et les fichiers conservés.

Un essai simple consiste à ouvrir un document synthétique, finir le téléchargement, déconnecter la machine puis refaire la demande. Cela vérifie la situation que la fonction promet de prendre en charge. En reconnectant la machine ou en se déconnectant du compte, on peut voir d’autres limites, par exemple si les fichiers dépendent du compte et si un résultat local attend d’être synchronisé. L’utilisateur doit savoir ce qui fonctionne avant le téléchargement et comment retirer les fichiers ensuite. Avec un produit local et distant à la fois, ces détails rendent le choix compréhensible sans devoir connaître l’implémentation du moteur.

Une intégration prévisible tient aussi compte de la différence entre les poids ouverts et les protections prévues pour Windows. Microsoft indique que le modèle du système sera associé à une modération locale. Les développeurs des versions séparées doivent évaluer les composants qu’ils incluent et les effets de la tâche. Écrire un résumé à relire est plus limité que l’envoyer automatiquement. Sur une note privée, la personne peut comparer et corriger. Si un autre service reçoit un texte convaincant et le traite comme une instruction, la conséquence change. Garder les résultats comme propositions dans un premier déploiement aide les utilisateurs à découvrir les cas où le modèle est utile.

Un processus local peut toujours solliciter des fonctions classiques du logiciel. Il faut savoir qui déclenche l’action et qui l’autorise. Un assistant de texte propose un titre et laisse le lecteur l’appliquer. Un outil d’accessibilité fournit une explication simple et garde l’original à disposition. Un preneur de notes peut repérer des décisions à confirmer. Ces choix rendent un résultat imparfait facile à examiner. La part de propositions utilisables au premier essai informe davantage que la promesse d’un assistant généraliste. D’autres responsabilités peuvent venir après observation de la première fonction.

La licence permissive permet aux équipes d’étudier et de distribuer le paquet dans les conditions prévues. La fiche contient aussi des indications d’usage et des limites. La distribution par Windows suit son propre processus et la préversion possède des conditions propres au paquet de validation. Avant d’intégrer ces trois voies dans un seul produit, il faut préciser le composant réellement retenu et le mécanisme de mise à jour qui en aura la charge. Cette distinction réduit les surprises quand un téléchargement reste fixé à une révision et que le fournisseur du système évolue. Licence des poids · Documentation de la préversion Windows

La transition Windows appelle son propre essai#

Microsoft indique que les applications utilisant les API Windows AI habituelles auront généralement peu de changements à faire en passant de Phi Silica à Aion. Il attire l’attention sur les consignes personnalisées, les adaptateurs LoRA et l’analyse spécialisée des réponses, dont le filigrane invisible pour certaines exigences régionales de provenance du texte. Une application qui dépend d’une formulation exacte peut voir le comportement changer même si les appels d’API réussissent. Une comparaison utile couvre les réponses et le flux du client, y compris sa réaction à un texte inattendu. Pour les sorties structurées, l’équipe peut conserver des cas difficiles pour les deux modèles. Détails de la migration Microsoft

Le calendrier compte parce que les appareils se mettent à jour à des moments différents. Une organisation peut avoir des machines sous l’ancien modèle, un groupe en préversion et d’autres qui viennent de recevoir la diffusion grand public. Indiquer le moteur et la version dans les mesures internes aide à voir si un changement touche une population particulière. L’application peut conserver une base limitée et bien testée pour les deux versions. Une bascule supposée simultanée est difficile à dépanner. Les cibles annoncées par Microsoft aident à situer le pilote et à réserver du temps pour ajuster les instructions et l’analyse des réponses une fois le modèle grand public disponible. Documentation du modèle Windows AI

La publication facilite ainsi un essai représentatif. Choisir une tâche de texte qui compte sur un appareil que les gens ont déjà, sélectionner un paquet qu’ils peuvent installer et vérifier qualité et réponse à chaud, à froid et hors ligne. Couvrir les langues promises. Noter d’où vient le modèle et quelles données partent ailleurs. Si le résultat est fiable, le paquet web ou natif peut donner à cette tâche un mode local utile. Windows offrira une seconde voie à examiner lorsqu’elle arrivera sur les appareils concernés. Le résultat le plus intéressant sera de voir si les lecteurs continuent de choisir la fonction lorsque la commodité locale doit justifier le coût de son exécution.